可穿戴惯性传感器换到另一个身体部位后，信号分布随之改变，而目标位置的测量在训练和部署时往往拿不到。DiffusionRef-IMU 先用确定性 Direct 网络给出目标位置估计，再让扩散模型只修正这份估计与真实目标之间的残差。在五个受试者不重叠、活动与位置组合被留出的折上，16 步 DDIM 的平均 nRMSE 为 0.087538，低于 Direct 的 0.090262、同容量确定性残差模型的 0.088847 和八步 CompFlow 的 0.088417，并在五折中全部占优。
无人机ISAC合成孔径雷达把成像写成精确线性逆问题，用预训练扩散模型作先验、回波作似然引导，在任意已知轨迹和未知位置误差下都能重建超分辨图像。
扩散模型生成图像的来源水印此前容易被去除攻击压掉，且几乎看不出画质损失。WaveMark把水印写进扩散模型初始噪声的小波域，用密钥把每个消息比特的副本分散到不同空间位置、小波方向与尺度上，再以投影幅度编码。在SD2.1上，无攻击时比特准确率为100.0%，面对MarkNull与MarkNull-A仍保持88.66%和88.06%，高于所比较的基线。
该工作提出 GSL-Diffusion，一种在角域去噪的时序条件扩散信道估计器：用双向 LSTM 编码短序列最小二乘观测并经多尺度交叉注意力注入 3D U-Net，同时以可学习 SNR 门控后期融合捷径在观测保真与生成先验之间自适应权衡，并采用 SNR 自适应截断 DDIM 推理；在 QuaDRiGa/3GPP 38.901 时变信道仿真中，其 NMSE 在约 -10 至 20 dB 范围内几乎全程优于 LS、LMMSE 及扩散基线，且高 SNR 时反向步数常降至 1 步。
已读完全部报道